強化學習-Q-learning學習筆記

Q學習動做探索策略中的ep-greepy,以ep的機率進行隨機探索，以1-ep的機率以最大值策略進行開發，由於設定的迭代次數比較多，因此確定存在必定的次數去搜索不一樣的動做。

1）Python版本

b站上的學習教程https://blog.csdn.net/qq_36124802/article/details/79882269，其中的pandas，np是數據處理包。使用其餘語言也是能夠的，用矩陣代替，主要是用多維矩陣保存數據，而後對矩陣進行計算處理。

2）c語言版本

https://blog.csdn.net/qq_23144435/article/details/80368635

 

3）C++版本

https://github.com/jinfagang/Q-Learning/blob/master/main.cpp

4）一個完整的unity demo項目，使用c# 語言

https://github.com/Unity-Technologies/Q-GridWorld/tree/master/Assets